Autism Spectrum Disorder (ASD) dapat dideteksi pada berbagai usia, dengan kemajuan dalam alat skrining dan metodologi yang memungkinkan identifikasi lebih awal. Sementara praktik diagnostik tradisional sering mengidentifikasi ASD sekitar usia dua tahun, penelitian terbaru dan perkembangan teknologi telah memungkinkan deteksi tanda-tanda autisme pada bayi semuda beberapa bulan. Deteksi dini sangat penting untuk intervensi tepat waktu, yang secara signifikan dapat meningkatkan hasil perkembangan untuk anak-anak dengan ASD. Bagian berikut mengeksplorasi usia di mana autisme dapat dideteksi, alat dan metode yang digunakan, dan tantangan yang terkait dengan deteksi dini.
Alat dan Metode Deteksi Dini
Alat Skrining: Beberapa alat skrining telah dikembangkan untuk mendeteksi autisme pada bayi. Misalnya, tes PREAUT dapat digunakan pada 4 dan 9 bulan, sedangkan M-CHAT-R/F direkomendasikan untuk anak-anak berusia 16 hingga 30 bulan. Alat lain seperti CIRTEA dan FYI berlaku sejak lahir hingga 16 bulan, dan ADOS-2 dapat digunakan mulai 1 tahun dan seterusnya. Alat-alat ini bervariasi dalam sensitivitas, tetapi menggabungkannya dapat meningkatkan kemampuan deteksi dini (Mendes & Bardal, 2023).
Pembelajaran Mesin dan AI: Penggunaan model pembelajaran mesin, seperti regresi logistik dan hutan acak, telah menunjukkan harapan dalam memprediksi ASD pada anak-anak semuda 18 bulan. Model-model ini menggunakan data klaim medis dan telah menunjukkan peningkatan akurasi dibandingkan metode skrining tradisional (Chen et al., 2022). Selain itu, model pembelajaran mendalam yang mengintegrasikan neuroimaging, genetika, dan data perilaku telah meningkatkan akurasi deteksi dini (Dcouto & Pradeepkandhasamy, 2024).
Alat Penyaringan Digital: Aplikasi digital yang memanfaatkan visi komputer dan pembelajaran mesin untuk menganalisis perilaku yang terkait dengan perhatian sosial dan respons motorik telah divalidasi untuk digunakan pada balita berusia 16 hingga 40 bulan. Alat-alat ini menawarkan akurasi tinggi dan dapat dikelola di rumah, membuatnya mudah diakses dan hemat biaya (Babu et al., 2024).
Tantangan dalam Deteksi Dini
Biomarker dan Model Prediktif: Sementara beberapa biomarker telah diidentifikasi yang dapat memprediksi peningkatan risiko autisme, akurasi dan keterbatasannya menimbulkan tantangan. Mengembangkan susunan biomarker yang andal untuk diagnosis dini tetap menjadi tugas yang kompleks (Al-Beltagi, 2023).
Batasan Data dan Model: Meskipun catatan kesehatan elektronik dan model pengenalan wajah telah menunjukkan potensi dalam deteksi autisme dini, akurasinya dapat bervariasi. Misalnya, model berbasis EHR memiliki akurasi kompetitif dengan survei pengasuh, tetapi integrasi lebih lanjut diperlukan untuk meningkatkan akurasi skrining (Engelhard et al., 2023). Demikian pula, model pengenalan wajah menggunakan pembelajaran mendalam telah mencapai akurasi tinggi, tetapi pertimbangan praktis dan etis harus diatasi (“The Early Detection of Autism Within Children Through Facial Recognition; A Deep Transfer Learning Approach”, 2022).
Perspektif yang Lebih Luas
Sementara deteksi dini autisme semakin layak, penting untuk mempertimbangkan implikasi yang lebih luas. Integrasi teknologi canggih seperti AI dan pembelajaran mesin ke dalam praktik deteksi dini menawarkan potensi yang signifikan tetapi juga menimbulkan masalah etika dan aksesibilitas. Memastikan bahwa alat-alat ini tersedia untuk populasi yang beragam dan tidak memperburuk kesenjangan perawatan kesehatan yang ada sangat penting. Selain itu, sementara deteksi dini dapat mengarah pada hasil yang lebih baik, penting untuk memberikan dukungan komprehensif dan intervensi yang disesuaikan dengan kebutuhan individu anak-anak yang didiagnosis dengan ASD.
